Documentation/diffcore.txt

   1 Tweaking diff output
   2 ====================
   3 June 2005
   4
   5
   6 Introduction
   7 ------------
   8
   9 The diff commands git-diff-cache, git-diff-files, and
  10 git-diff-tree can be told to manipulate differences they find
  11 in unconventional ways before showing diff(1) output.  The
  12 manipulation is collectively called "diffcore transformation".
  13 This short note describes what they are and how to use them to
  14 produce diff outputs that are easier to understand than the
  15 conventional kind.
  16
  17
  18 The chain of operation
  19 ----------------------
  20
  21 The git-diff-* family works by first comparing two sets of
  22 files:
  23
  24  - git-diff-cache compares contents of a "tree" object and the
  25    working directory (when --cached flag is not used) or a
  26    "tree" object and the index file (when --cached flag is
  27    used);
  28
  29  - git-diff-files compares contents of the index file and the
  30    working directory;
  31
  32  - git-diff-tree compares contents of two "tree" objects.
  33
  34 In all of these cases, the commands themselves compare
  35 corresponding paths in the two sets of files.  The result of
  36 comparison is passed from these commands to what is internally
  37 called "diffcore", in a format similar to what is output when
  38 the -p option is not used.  E.g.
  39
  40     in-place edit  :100644 100644 bcd1234... 0123456... M file0
  41     create         :000000 100644 0000000... 1234567... N file4
  42     delete         :100644 000000 1234567... 0000000... D file5
  43     unmerged       :000000 000000 0000000... 0000000... U file6
  44
  45 The diffcore mechanism is fed a list of such comparison results
  46 (each of which is called "filepair", although at this point each
  47 of them talks about a single file), and transforms such a list
  48 into another list.  There are currently 6 such transformations:
  49
  50  - diffcore-pathspec
  51  - diffcore-break
  52  - diffcore-rename
  53  - diffcore-merge-broken
  54  - diffcore-pickaxe
  55  - diffcore-order
  56
  57 These are applied in sequence.  The set of filepairs git-diff-*
  58 commands find are used as the input to diffcore-pathspec, and
  59 the output from diffcore-pathspec is used as the input to the
  60 next transformation.  The final result is then passed to the
  61 output routine and generates either diff-raw format (see Output
  62 format sections of the manual for git-diff-* commands) or
  63 diff-patch format.
  64
  65
  66 diffcore-pathspec
  67 -----------------
  68
  69 The first transformation in the chain is diffcore-pathspec, and
  70 is controlled by giving the pathname parameters to the
  71 git-diff-* commands on the command line.  The pathspec is used
  72 to limit the world diff operates in.  It removes the filepairs
  73 outside the specified set of pathnames.
  74
  75 Implementation note.  For performance reasons, git-diff-tree
  76 uses the pathname parameters on the command line to cull set of
  77 filepairs it feeds the diffcore mechanism itself, and does not
  78 use diffcore-pathspec, but the end result is the same.
  79
  80
  81 diffcore-break
  82 --------------
  83
  84 The second transformation in the chain is diffcore-break, and is
  85 controlled by the -B option to the git-diff-* commands.  This is
  86 used to detect a filepair that represents "complete rewrite" and
  87 break such filepair into two filepairs that represent delete and
  88 create.  E.g.  If the input contained this filepair:
  89
  90     :100644 100644 bcd1234... 0123456... M file0
  91
  92 and if it detects that the file "file0" is completely rewritten,
  93 it changes it to:
  94
  95     :100644 000000 bcd1234... 0000000... D file0
  96     :000000 100644 0000000... 0123456... N file0
  97
  98 For the purpose of breaking a filepair, diffcore-break examines
  99 the extent of changes between the contents of the files before
 100 and after modification (i.e. the contents that have "bcd1234..."
 101 and "0123456..." as their SHA1 content ID, in the above
 102 example).  The amount of deletion of original contents and
 103 insertion of new material are added together, and if it exceeds
 104 the "break score", the filepair is broken into two.  The break
 105 score defaults to 50% of the size of the smaller of the original
 106 and the result (i.e. if the edit shrinks the file, the size of
 107 the result is used; if the edit lengthens the file, the size of
 108 the original is used), and can be customized by giving a number
 109 after "-B" option (e.g. "-B75" to tell it to use 75%).
 110
 111
 112 diffcore-rename
 113 ---------------
 114
 115 This transformation is used to detect renames and copies, and is
 116 controlled by the -M option (to detect renames) and the -C option
 117 (to detect copies as well) to the git-diff-* commands.  If the
 118 input contained these filepairs:
 119
 120     :100644 000000 0123456... 0000000... D fileX
 121     :000000 100644 0000000... 0123456... N file0
 122
 123 and the contents of the deleted file fileX is similar enough to
 124 the contents of the created file file0, then rename detection
 125 merges these filepairs and creates:
 126
 127     :100644 100644 0123456... 0123456... R100 fileX file0
 128
 129 When the "-C" option is used, the original contents of modified
 130 files and contents of unchanged files are considered as
 131 candidates of the source files in rename/copy operation, in
 132 addition to the deleted files.  If the input were like these
 133 filepairs, that talk about a modified file fileY and a newly
 134 created file file0:
 135
 136     :100644 100644 0123456... 1234567... M fileY
 137     :000000 100644 0000000... 0123456... N file0
 138
 139 the original contents of fileY and the resulting contents of
 140 file0 are compared, and if they are similar enough, they are
 141 changed to:
 142
 143     :100644 100644 0123456... 1234567... M fileY
 144     :100644 100644 0123456... 0123456... C100 fileY file0
 145
 146 In both rename and copy detection, the same "extent of changes"
 147 algorithm used in diffcore-break is used to determine if two
 148 files are "similar enough", and can be customized to use
 149 similarity score different from the default 50% by giving a
 150 number after "-M" or "-C" option (e.g. "-M8" to tell it to use
 151 8/10 = 80%).
 152
 153 Note.  When the "-C" option is used with --find-copies-harder
 154 option, git-diff-* commands feed unmodified filepairs to
 155 diffcore mechanism as well as modified ones.  This lets the copy
 156 detector consider unmodified files as copy source candidates at
 157 the expense of making it slower.  Without --find-copies-harder,
 158 git-diff-* commands can detect copies only if the file that was
 159 copied happened to have been modified in the same changeset.
 160
 161
 162 diffcore-merge-broken
 163 ---------------------
 164
 165 This transformation is used to merge filepairs broken by
 166 diffcore-break, and were not transformed into rename/copy by
 167 diffcore-rename, back into a single modification.  This always
 168 runs when diffcore-break is used.
 169
 170 For the purpose of merging broken filepairs back, it uses a
 171 different "extent of changes" computation from the ones used by
 172 diffcore-break and diffcore-rename.  It counts only the deletion
 173 from the original, and does not count insertion.  If you removed
 174 only 10 lines from a 100-line document, even if you added 910
 175 new lines to make a new 1000-line document, you did not do a
 176 complete rewrite.  diffcore-break breaks such a case in order to
 177 help diffcore-rename to consider such filepairs as candidate of
 178 rename/copy detection, but if filepairs broken that way were not
 179 matched with other filepairs to create rename/copy, then this
 180 transformation merges them back into the original
 181 "modification".
 182
 183 The "extent of changes" parameter can be tweaked from the
 184 default 80% (that is, unless more than 80% of the original
 185 material is deleted, the broken pairs are merged back into a
 186 single modification) by giving a second number to -B option,
 187 like these:
 188
 189         -B50/60 (give 50% "break score" to diffcore-break, use
 190                  60% for diffcore-merge-broken).
 191         -B/60   (the same as above, since diffcore-break defautls to
 192                  50%).
 193
 194 Note that earlier implementation left a broken pair as a separate
 195 creation and deletion patches.  This was unnecessary hack and
 196 the latest implementation always merges all the broken pairs
 197 back into modifications, but the resulting patch output is
 198 formatted differently to still let the reviewing easier for such
 199 a complete rewrite by showing the entire contents of old version
 200 prefixed with '-', followed by the entire contents of new
 201 version prefixed with '+'.
 202
 203
 204 diffcore-pickaxe
 205 ----------------
 206
 207 This transformation is used to find filepairs that represent
 208 changes that touch a specified string, and is controlled by the
 209 -S option and the --pickaxe-all option to the git-diff-*
 210 commands.
 211
 212 When diffcore-pickaxe is in use, it checks if there are
 213 filepairs whose "original" side has the specified string and
 214 whose "result" side does not.  Such a filepair represents "the
 215 string appeared in this changeset".  It also checks for the
 216 opposite case that loses the specified string.
 217
 218 When --pickaxe-all is not in effect, diffcore-pickaxe leaves
 219 only such filepairs that touches the specified string in its
 220 output.  When --pickaxe-all is used, diffcore-pickaxe leaves all
 221 filepairs intact if there is such a filepair, or makes the
 222 output empty otherwise.  The latter behaviour is designed to
 223 make reviewing of the changes in the context of the whole
 224 changeset easier.
 225
 226
 227 diffcore-order
 228 --------------
 229
 230 This is used to reorder the filepairs according to the user's
 231 (or project's) taste, and is controlled by the -O option to the
 232 git-diff-* commands.
 233
 234 This takes a text file each of whose line is a shell glob
 235 pattern.  Filepairs that match a glob pattern on an earlier line
 236 in the file are output before ones that match a later line, and
 237 filepairs that do not match any glob pattern are output last.
 238
 239 As an example, typical orderfile for the core GIT probably
 240 should look like this:
 241
 242     README
 243     Makefile
 244     Documentation
 245     *.h
 246     *.c
 247     t
 248